Contexte gauche	Mot	Contexte droit
	AI	也 會 出差 錯 ？
使用	人工 智慧	可能 帶來 的 倫理 與風險
相關 標籤 ：	AI
AI	人工 智慧
	人工 智慧
清華 大學 人文社 會	AI	應用 與發展 研究 中心 博士後
以 解鎖 手機 ，	AI	應用 早已 在 我 們
	AI	應 用 中 四 種
家 皆 制訂 有 關	AI	發展 的 規範 ， 臺灣則
	AI	科研 發展 指引
」 ， 期望 能 改善	AI	發展 帶來 的 問題與 風險
當談 到	人工 智慧	（
	AI	） 、 也 就 是
	AI	時 ， 讀者 會 想到
	人工 智慧	》 （
	人工 智慧	》 （
像 人 一 樣 的	AI	系 統 或 機器人 。
你 常 聽 到 的	AI	其 實 既 很 厲害
很 會 下 圍棋 的	AI	就 只能 下 圍棋 ，
即使 目前 世界 上 的	AI	都 是 這種 只 具備
特定 功能 的 「弱	AI
有 哪 些 事物 有利用	AI	技術 嗎 ？ 其
申請 等 都 常用 到	AI	技術 ， 它
	AI	技術 在 日常 生活 中
讓人 們這 幾年 在 使用	AI	時 ， 逐漸 發現 它
	AI
？ 簡單 來說 就 是	AI	在 某
項 原因 是 ， 建立	AI	模型 的 研究 資料集 有
。 例如 數位 裝置 採用	AI	臉部 辨識 技術 解鎖 ，
因 為 目前 許 多	AI	模型 都 是 以 機器
偏誤 的 原因 是 建立	AI	模型 的 研究 資料 集
犯 風險 評估 的	AI	模型 ， 那些 資料 不
出來 的	AI	模型 ， 不 意外 地
偏誤 的 原因 則 是	AI	學會 了 連系 統開發者 都
公司 人資部 門本來 想 借助	AI	更 有 效率 地 篩選
的 員工 履歷 來訓 練	AI	模型 。 問題 是 ，
少 ， 所 提供 給	AI	學習 的 資料 自然 就
比例 相當 不 均 。	AI	也 就 學會 了 凡
	ai
在 資料裡 的 偏誤 造成	AI	預測 結果 彷彿帶 有 性別
因此 ， 訓練	AI	的 研究 資料 一旦 隱藏類
現象 ， 訓練 出來 的	AI	預測
其他	AI	應用 帶來 的 倫理 與風
倫理 問題 或 風險 是	AI	技術 已 經 偏 離
第三 種 則 是 有些	AI	技術 或 產品 本身 就
） 。 例如	AI	人 臉
以上 介紹 了	AI	常見 的 四 種 倫理
培養	AI	使用 倫理 與風險 的 敏銳度
紛 紛 制訂 有 關	AI	發展 的 白皮書 或 倫理
方向 ， 如 歐盟 的	人工 智慧	規則 草案 等 。 儘管
「	人工 智慧	科研 發展 指引」 提出 三
國科會 ） 制訂 「	人工 智慧	科研 發展 指引」 ， 裡面
涵蓋 了 前述 各種 國際	AI	發展 指引 文件 最 常
又 出 現 哪 些	AI	新 技術 或 產品 時
	AI	技術 發展 日新月進 ， 在
而 非 遇到	AI	科技 才 有 這種 情況
若 能 培養 自身 對於	AI	倫理 問題 或 風險 的
的 力量 ， 評估	AI	開發 或 使用者 有 無善盡
之 嫌 ， 逐漸 改善	AI	開
眾媒 體常 過度 誇 大	AI	功能 ， 但 對於 可能
相關 標籤 ：	AI
	人工 智慧
、 從蜘蛛 到 山豬 ，	人工 智慧	能 成 為
學 家 認為 ， 隨著	人工 智慧	（
	AI	） 的 快速 進步 ，
不 可能 的 事情 。	AI	能 幫 上 什麼 忙
最 後 ，	AI	還 可以 基於 動物 訊號
科學 家 正在 使用	人工 智慧	來解讀 各 種物種 的 動物
這些 只是	AI	解讀 的 眾 多 物種
研究生 的 救星 ！ 用	AI	幫 你 分析 統整 ！
一 大 助力 ！ 讓	AI	幫 你 快速 生成 精美
雙眼 ？ 如何 防範 生成式	AI	的 假資 訊陷阱 ？
	ai
	ai